Stable Audio是什么？

Stable Audio是Stability AI 推出的AI生成音樂平臺，你只需要輸入描述性文本提示以及所需的音頻長度即可生成高質(zhì)量的音樂和音效。

你可以通過文本提示就能直接生成搖滾、爵士、電子、嘻哈、重金屬、民謠、流行、朋克、鄉(xiāng)村等20多種類型背景音樂。

例如，輸入迪斯科、鼓機、合成器、貝司、鋼琴、吉他、歡快、115BPM等關(guān)鍵詞，就能生成背景音樂。

Stable Audio官網(wǎng)地址：http://stableaudio.com

Stable Audio工作原理

Stable Audio是一種基于文本元數(shù)據(jù)以及音頻文件持續(xù)時間和開始時間的潛在擴散模型架構(gòu)，允許控制生成音頻的內(nèi)容和長度。這種額外的時序條件使我們能夠生成指定長度的音頻，直到訓(xùn)練窗口大小。

Stable Audio主要特點

• 潛在擴散模型：Stable Audio模型是由幾個不同部分組成的潛在擴散模型，包括變分自編碼器（VAE）、文本編碼器和基于U-Net的條件擴散模型。
• 高效的音頻表示：使用重度下采樣的音頻潛在表示，與原始音頻相比，可以實現(xiàn)更快的推理時間。
• 文本提示條件：為了在模型上設(shè)置文本提示，我們使用在我們的數(shù)據(jù)集上從頭開始訓(xùn)練的CLAP模型的凍結(jié)文本編碼器。
• 時序嵌入：在訓(xùn)練時，計算兩個屬性：音頻塊開始的秒數(shù)和原始音頻文件中的總秒數(shù)。這些秒數(shù)值被轉(zhuǎn)化為每秒離散的學(xué)習(xí)嵌入，并與提示令牌連接。
• 數(shù)據(jù)集：Stable Audio模型，使用了一個由超過800,000個音頻文件組成的數(shù)據(jù)集，這些文件包含音樂、音效和單一樂器莖，以及相應(yīng)的文本元數(shù)據(jù)。

Stable Audio產(chǎn)品價格

• 免費版：每月可生成20個音樂，最大時長45秒，不能用于商業(yè)使用；
• 付費版：收費11.99美元/月，每個月可生成500個音樂，最大時長90秒，可用于商業(yè)用途。
• 企業(yè)版：與Stability AI官方聯(lián)系溝通。聯(lián)系郵箱：hey@stableaudio.com

如何使用Stable Audio？

打開Stable Audio網(wǎng)站：http://stableaudio.com ，注冊一個賬號，進入使用界面。

如下圖所示，在使用界面左上方的輸入框中，輸入你想讓AI生成的音樂描述，點擊生成按鈕，即可生成音樂?。

注意?：目前用戶量比較大，有時候可能會出現(xiàn)白屏現(xiàn)象，刷新幾次就可以了。

詳細(xì)介紹：https://stability.ai/research/stable-audio-efficient-timing-latent-diffusion

?版權(quán)聲明：如無特殊說明，本站所有內(nèi)容均為AIHub.cn原創(chuàng)發(fā)布和所有。任何個人或組織，在未征得本站同意時，禁止復(fù)制、盜用、采集、發(fā)布本站內(nèi)容到任何網(wǎng)站、書籍等各類媒體平臺。否則，我站將依法保留追究相關(guān)法律責(zé)任的權(quán)利。